| dc.description.abstract | Denne masteroppgaven skal utforske systemer og nylige publikasjoner for automatisk nummerskiltgjenkjenning, og foreslå et nytt system som er designet for en mobil enhet. Detaljer rundt en implementasjon er også presentert. Mange slike systemer er laget for stasjonære kamera, og vil ofte ikke kunne fungere godt for en mobil enhet. En mobil enhet, f.eks. en smarttelefon, gir noen nye utfordringer å ta høyde for. Blant disse er begrenset prosessorkraft, begrenset minne, vinkel til kamera, og avstand til kjøretøy. Automatisk nummerskiltgjenkjenning deles ofte i tre deler; nummerskiltlokasjon, bokstavsegmentering og bokstavgjenkjenning. Det foreslåtte systemet bruker en trenet kaskadeklassifikator, med adaptiv boosting-klassifikatorer, basert på multi-scale block local binary pattern kjennetegn for nummerskiltlokasjon. Bokstavsegmentering gjøres ved statistiske metoder som separerer bokstaver fra bakgrunnselementer og støy. Bokstavgjenkjenning løses ved hjelp av en egenskapsvektorbasert støttevektormaskin, hvor egenskapsvektorene beskriver kjennetegn ved hver bokstav. Resultater for det foreslåtte systemet viser at automatisk nummerskiltgjenkjenning er mulig for en mobil enhet. Nummerskiltlokasjon og bokstavgjenkjenning gjøres med nøyaktighet rundt 99 %, mens bokstavgjenkjenning gjøres med nøyaktighet rundt 85 %. Total gjennomsnittlig prosesseringstid for systemet er 50 ms, noe som gjør at metoden også kan brukes på levende bilder. Det må også nevnes at bokstavgjenkjenning gjøres på under 0,5 ms per skilt. | |
